Ni(II)Pc ve CdSeS/ZnS Kuantum Nokta Katkılı Sıvı Kristal Yapıların Dielektrik Sabitinin Makine Öğrenmesi Algoritmaları ile Tahminlenmesi

Abstract

Bu çalışmada, Ni(II)Pc (nikel(II)ftalosiyanin) ve CdSeS/ZnS (cadmium selenide sulfide/zinc sulfide) kuantum nokta katkılı 5CB (4-pentyl-4′-cyanobiphenyl) nematik sıvı kristal kompozit yapıların dielektrik özellikleri ile birlikte bu özelliklerin makine öğrenmesi algoritmaları ile tahminlenmesi rapor edilmektedir. Konsantrasyon oranının dielektrik özelliklere etkilerini saptamak için 5CB nematik sıvı kristal yapıya ağırlıkça %2 ve %5 oranında Ni(II)Pc ve CdSeS/ZnS kuantum nokta katkılanmıştır. Numunelerin dielektrik ölçümleri, dielektrik spektroskopi yöntemi kullanılarak gerçekleştirilmiştir. Ayrıca, dielektrik sabitinin reel (ε^') ve sanal bileşenlerinin (ε^'') tahmini için k-En Yakın Komşu, Karar Ağacı, Rastgele Orman algoritmaları kullanmış ve algoritmaların tahmin performansları karşılaştırmalı olarak incelenmiştir. Algoritmalarda girdi parametreleri frekans, voltaj ve katkı oranı; çıktı parametreleri ise, dielektrik sabitinin reel (ε^') ve sanal bileşenleri (ε^'') olarak belirlenmiştir. Elde edilen sonuçlara göre dielektrik sabitinin en iyi tahmin performansına Rastgele Orman algoritması ile ulaşılmıştır.

Keywords

• nematic liquid crystal; dielectric properties
• machine learning
• nematik sıvı kristal
• dielektrik özellikler
• makine öğrenmesi
• nematic liquid crystal; dielectric properties
• machine learning